BP神经网络在房地产投资风险分析中的应用

房地产投资具有投资金额大、回收期长等特点，本文将BP神经网络的理论应用于商品住宅的风险分析，分析了我国房地产投资风险及其变化规律，对当前房地产业开发建设有重要的现实意义。     

基于BP神经网络的公路建设项目投资风险评价研究

利用德尔菲法,确定了公路建设项目投资风险评价指标体系。基于风险因素的非线性特征,使用Matlab软件神经网络工具箱,构建了公路建设项目BP神经网络投资风险评价模型。在江西境内的JL高速公路项目投资风险评价中实际使用该模型,验证了其有效性。     

基于BP神经网络的项目投资风险评价

风险项目投资具有高风险、高收益的特点,科学、准确的评价方法对项目投资至关重要.传统的评价方法主观因素太强,而人工神经网络模型克服了传统项目评价依赖专家经验的弊端,为项目投资风险评价开辟了新途径.本文首先阐述了BP神经网络的原理,然后结合实例给出了用于项目投资风险评价的UP神经网络模型,仿真试验表明,采用该模型的结果是令人满意的.     

基于 NRS-BP 模型的商品住宅需求预测研究

合理预测商品住宅需求的未来走势,有利于形成房地产市场平稳健康发展态势。将邻域粗糙集（NRS）和 BP 神经网络结合,构建基于 NRS-BP 的商品住宅需求预测模型。先确定商品住宅需求影响因素集,利用 NRS 对集合中的影响因素进行约简,选出最佳约简组合;在训练好的 BP 神经网络模型中,输入 GM（1,1）预测的需求主要影响因素时序数据,计算未来年份商品住宅需求量。经实际算例分析,预测出其未来 5 年商品住宅需求量,验证了该模型的可靠性。     

基于BP神经网络对BT项目风险的评价

BT融资模式是加快城镇化发展过程中,大型基础设施项目建设的主要融资方式,准确地对BT工程项目的风险等级进行评价,有助于降低投资人的风险损失。为了更好地评价BT工程项目的风险等级,克服传统风险分析方法的不足,建立BP神经网络模型。本文以A市地铁BT工程项目为例,首先建立该项目的风险评价指标体系,然后确定合适的BP神经网络模型参数。在大量经验数据的基础上,对BP神经网络模型进行了训练与检测,通过试验发现构建18-17-1三层BP神经网络模型对风险等级的评价结果精度最高。最后通过此模型对A市地铁BT工程项目的风险等级进行了评价,取得较好的效果。     

基于BP神经网络模型的建筑工程项目风险评价

为了适应现代化建筑工程项目风险评价的要求,需要建立一个合理的风险评价指标体系与一个有效的风险评价模型。首先分析了一般的风险评价模型的优缺点,确定了以层次分析法与BP神经网络相结合的风险评价模型;其次根据现代化建筑工程项目的特点建立了合理的风险评价指标体系,再次说明了评价指标体系与风险程度相关性表示的方法;最后建立了合理的BP神经网络模型。     

基于 ANP 与麻雀搜索算法优化 BP 神经网络的装配式建筑进度风险评价

进行进度风险评价是装配式建筑风险管理的重点,也是提高装配式建筑工期效益的关键。从设计生产、运输供应、施工管理及环境 4 个方面识别影响因素并进行风险评价指标体系构建,在此基础上采用网络层次分析法（ ANP）构建指标关系网络并进行权重计算。同时针对传统 BP 神经网络评估精度低的问题,引入麻雀搜索算法（ SSA）优化 BP 神经网络,建立起基于 ANP 与 SSA-BP 神经网络的评价模型实现对装配式建筑进度风险的评价研究,通过与 ANP-BP 神经网络评价模型的对比验证了该模型的准确性与稳定性。     

BP神经网络对商业地产立项阶段投资风险评估

为了更好的对商业地产项目立项阶段的投资风险进行评估,应用BP神经网络构建了风险评估模型,通过MATLAB神经网络工具箱训练和检验该模型,最后通过实际应用,结果比较准确。     

基于BAS-SCA-BP模型的高校建筑工程项目投资估算研究

针对标准BP神经网络建筑工程项目投资估算模型收敛速度慢、预测精度低的问题,提出融合改进天牛须和正余弦双重优化算法（BAS-SCA）优化BP神经网络的建筑工程项目投资估算模型。以某市高校建筑工程项目为研究对象,分析相关文献并结合显著性理论初步选择工程造价影响因子,利用粗糙集属性约简算法筛选出关键因素;基于此,通过构建基于BAS-SCA-BP的神经网络估算模型实现快速、准确的建筑工程投资估算。研究结果表明：基于BAS-SCA-BP的估算模型较标准BP神经网络估算模型的估算精度有了大幅提高,与其他智能算法改进的BP神经网络估算模型的性能相比较,该模型在稳定性和预测精度方面表现更佳。     

基于麻雀搜索算法优化BP神经网络的建筑工人不安全行为风险评价

建筑施工企业安全管理的重点是减少建筑工人不安全行为风险。从组织管理、个体、生产作业与社会环境4个方面识别影响因素并构建建筑工人不安全行为风险评价指标体系。通过BP神经网络法将指标进行网络输出,同时编制预警问卷。由于传统的BP神经网络法存在评估精度较低的缺陷,无法对相关指标进行优化,因此引入麻雀搜索算法(SSA)。使用麻雀搜索算法优化BP神经网络法,建立建筑工人不安全行为风险评价模型,并对该模型进行训练及测试。通过对比发现,经麻雀搜索算法优化的神经网络法较传统的BP神经网络法具有更好的收敛性与精确度,在建筑工人不安全行为风险预测方面更具可参考性。     

基于神经网络的聚合物火灾危险性预测

基于BP神经网络预测模型预测聚合物的火灾危险性,通过对测试样本进行网络仿真和拟合,量化输出IFHI火灾危险综合指数(Integrated Fire Hazard Index,IFHI),来对聚合物的各项(热危险与烟气危险指标)性能进行综合评价.实验表明,通过BP神经网络预测IFHI的结果与层次分析法分析结果大体相近,火...     

BT项目投资建设——回购合同的风险分析

随着我国工程建设领域投融资体制的改革,越来越多的基础设施等项目,开始采用建设——转让即BT模式进行建设。通过对当前BT项目投资建设——回购合同的风险进行分析和分层归类,并建立风险评价指标体系。将BP神经网络算法引入BT项目对投资建设——回购合同条件进行风险评价,通过分析得出政府方的支付担保条款是使BT合同能够成立的关键性因素。并对政府方担保进行结构设计。提出有关BT项目运行期间各方应就可能发生的工程纠纷问题都要进行沟通,并应在BT合同中给以明确约定的建议,以做到提前规避风险。     

基于灰关联的PSO-BP神经网络的高层住宅造价估算

针对高层住宅工程造价管理的难点及传统造价估算方法存在的不足,采用灰关联分析与粒子群优化的 BP 神经网络相结合的方法,以高层住宅工程特征指标为网络的输入向量,达到快速、准确地估算高层住宅工程造价的目标。借助文献回顾法与灰关联分析法系统地确定工程特征指标体系并作为神经网络的输入向量;引入 PSO 算法优化 BP 网络的权值及阈值,解决网络收敛速度慢、易陷入局部极小值等缺点。并通过实例验证构建的模型,提高了前期决策阶段造价估算的精确度,实现了快速估算     

基于 SVR 的工程建设项目快速投资估算方法研究

在建设项目前期,如何快速而准确地估算工程项目的造价,对项目的投资决策具有很大的意义。针对传统造价估算 方法的不足之处,采用 SPSS 统计分析软件进行工程造价指标的相关性分析及指标体系选取,将之作为输入变量,使用真实 案例训练集样本训练 SVR 模型并进行仿真模拟预测。为了验证提出的 SVR 模型的有效性,引入 BP 人工神经网络来进行预 测结果的对比验证。结果表明,SVR 模型得到的预测值平均绝对百分比误差约为 5%,拟合优度 R2高达 0.97,远小于 BPNN 模型的预测误差 14%,即提出的 SVR 估算模型要比 BP 人工神经网络预测模型具有更良好的泛化能力,预测精度更高,因 此其在工程项目前期投资估算实践中具有一定的现实意义。     

基于PCA-GA-BP 的工程项目工期风险预测研究

为了在工程项目实施前准确地预测出工期风险的大小,在介绍BP 神经网络、遗传算法、主成分分析等理论的基础上,针对现有预测模型的缺点以及BP 神经网络自身缺陷,采用主成分分析法对样本数据进行降维处理,并利用遗传算法对 BP 神经网络的初始权值阈值进行优化,提出了基于PCA-GA-BP 的工程项目工期风险预测模型。将以往工程风险数据作为学习样本,训练并构建模型对待建工程项目工期风险进行预测。实例证明该模型有效、可靠,对指导实际工程具有重要意义。     

基于改进BP 神经网络的建筑施工安全评价

通过分析我国建筑施工安全生产的现状,在评价方法选择以及评价指标体系的建立方面,都在传统评价方法的基础上进行了改进,在BP 神经网络的模型中引入了动量因子mc,从而克服了BP 神经网络运算次数多,易陷入局部最优等缺点。利用改进的BP 神经网络模型对建筑施工安全进行评价,找出施工中影响安全的主要因素,为建筑施工的危险辨识和制定相应控制措施提供依据,以指导人们有效地控制施工中的不安全因素,避免和减少施工中事故的发生。